新華社廣州2月19日電 題：會“看”病歷會“思考”，“人工智慧醫生”即將上崗？

　　新華社“新華視點”記者肖思思、周琳

　　能“讀圖”識別影像，還能“認字”讀懂病歷，甚至像醫生一樣“思考”，出具診斷報告，給出治療建議……這不是科幻，人工智慧醫療正從前沿技術轉變為現實應用，“人工智慧醫生”離患者越來越近。

　　機構預測，中國醫療人工智慧的市場需求已達數百億元。專家認為，“人工智慧醫生”的應用，有利于緩解社會老齡化帶來的醫療資源供需失衡以及地域分配不均等問題。那麼，“人工智慧醫生”何時能真正上崗？

　　人工智慧+醫療市場規模持續增長

　　由廣州市婦女兒童醫療中心教授夏慧敏、加州大學聖地亞哥分校教授張康等專家領銜的醫療數據智能化應用團隊，聯合人工智慧研究和轉化機構研發出“輔診熊”人工智慧診斷平臺，通過自動學習56.7萬名兒童患者的136萬份高品質電子文本病歷中的診斷邏輯，診斷多種兒科常見疾病，準確度與經驗豐富的兒科醫師相當。2月12日，這項臨床智能診斷研究成果，線上刊登于知名醫學科研期刊《自然醫學》。

　　北京深思考人工智慧首席執行官楊志明博士認為，人工智慧技術不斷發展，正與醫療垂直應用場景深度結合，如影像人工智慧、病理組織人工智慧、病理細胞人工智慧、基因診斷人工智慧、人工智慧全科醫生等。

　　人工智慧和醫療的結合被看作未來5-10年的投資熱點之一。根據前瞻産業研究院的報告，中國人工智慧+醫療市場規模在持續增長，2017年超130億元，增長40.7%，2018年市場規模約200億元。那麼，“人工智慧醫生”能做什麼呢？

　　——緩解醫療人力資源緊張。在上海市第九人民醫院放射科，每天僅肺部檢查就達150件次。該醫院引入肺癌影像智能診斷係統後，這一人工智慧技術將肺部影像診斷壓縮至秒級——在醫生看到患者的胸部CT影像前，係統就能自動標出肺結節的大小、位置、密度，並初步分辨良惡性。

　　中山大學腫瘤防治中心院長徐瑞華認為，人工智慧可一定程度上緩解醫生資源不足的狀況，讓優質醫療資源下沉到基層，使更多群眾享受到普惠醫療。

　　——預防慢病。由于慢性病篩查準確度低、針對性幹預難度大、健康管理工具缺失等醫療難題，成人對糖尿病的知曉率僅30.1%。上海瑞金醫院和人工智慧公司第四范式共同推出一款基于人工智慧實現的糖尿病及並發症管理産品，在公眾號中輸入個人的相關資訊，包括性別、體重、空腹血糖等，可以預測出此人近3年患糖尿病的風險係數。指標超過一定比例，還會建議個人盡快去醫院就診。

　　——提高癌症篩查效率。早診早治是提高癌症治愈率的關鍵。2018年12月，中山大學腫瘤防治中心牽頭開展上消化道腫瘤人工智慧診療決策係統的研發及推廣應用項目，根據該係統試用初期數據分析，臨床試用中惡性腫瘤識別準確率已達到95%以上。徐瑞華認為，我國現有癌症篩查技術仍有許多局限性，癌症早診率僅約20%。人工智慧在胃癌、肺癌、乳腺癌、肝癌等早診早治方面均有廣泛應用前景。

　　——助力公共衛生科學決策。業內專家認為，人工智慧通過海量的數據模擬出醫療流程、醫療診斷、醫療建議和治療方案，將推動公共衛生政策的制定更為科學。

　　“人工智慧醫生”會取代人類醫生嗎？

　　“人工智慧醫生”究竟是如何“思考”的？以慢病管理為例，看似簡單的“百分比”，背後其實有一整套演算法模型。第四范式創始人戴文淵説，對于深度學習而言，慢性病的數據量相對比較小，可能只有萬級的數據樣本。因此在糖尿病的風險預測中，演算法應用了遷移學習、半監督學習和可解釋機器學習等。

　　“人工智慧不會替代醫生，但懂人工智慧的醫生可能會替代不懂人工智慧的醫生。”聯影智能聯席首席執行官沈定剛認為，未來人工智慧的應用將貫穿于整個臨床工作流，從源頭的成像一直到後期的診斷、治療和評估。

　　不過，就目前的技術限制，在人工智慧輸入的數據和其輸出的答案之間，通常存在著無法洞悉的“隱層”，被稱為“黑箱”。“黑箱”存在的後果，就是難以判斷人工智慧是否出錯。“如果能讓醫生看到電腦是怎麼想的、怎麼得出結論的，就能讓人類更相信電腦，讓人類對它更加放心。”張康説。

　　夏慧敏介紹，人工智慧並不會取代醫生，但是可以大幅減輕醫生的工作量。更好的技術手段和平臺，既能在一定程度上解決醫療服務能力不足的問題，又能提高健康服務的公平性。

　　“人工智慧醫生”何時能“上崗”？

　　記者走訪多家醫院、人工智慧公司發現，現階段醫療人工智慧發展存在諸多難點，比如醫療數據難以獲取、研發周期長、臨床實驗費用高、醫院應用門檻高等。

　　專家認為，我國在醫院病例數方面有很大優勢，但由于醫療數據沒有共用，存在“孤島”現象。且數據的錄入欠缺標準，導致大量優質數據無法為醫療人工智慧的發展服務。

　　“人工智慧醫生”何時能正式“上崗”？

　　2017年8月31日，原國家食品藥品監督管理總局發布了新版《醫療器械分類目錄》，新增了與人工智慧輔助診斷相對應的類別，在目錄中具體體現在對醫學影像與病理圖像的分析與處理。這意味著，如果醫療影像人工智慧産品想要走醫院採購這條路，必須通過相應認證。

　　楊志明認為，目前人工智慧技術未能達到通用人工智慧，還處于垂直領域的“弱人工智慧”階段，在推理、綜合決策、跨領域、跨病種、自我創新等方面還遠未成熟，人工智慧代替人類醫生還需要很長的時期。

【糾錯】

責任編輯： 韓家慧